CN114429315B - 一种智慧城市扬尘污染管理方法和物联网系统 - Google Patents
一种智慧城市扬尘污染管理方法和物联网系统 Download PDFInfo
- Publication number
- CN114429315B CN114429315B CN202210352984.4A CN202210352984A CN114429315B CN 114429315 B CN114429315 B CN 114429315B CN 202210352984 A CN202210352984 A CN 202210352984A CN 114429315 B CN114429315 B CN 114429315B
- Authority
- CN
- China
- Prior art keywords
- data
- street
- platform
- dust pollution
- management
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 239000000428 dust Substances 0.000 title claims abstract description 266
- 238000007726 management method Methods 0.000 title claims abstract description 172
- 230000007613 environmental effect Effects 0.000 claims abstract description 98
- 238000000034 method Methods 0.000 claims abstract description 37
- 238000012545 processing Methods 0.000 claims abstract description 26
- 241001417527 Pempheridae Species 0.000 claims description 37
- 239000013598 vector Substances 0.000 claims description 29
- 238000013528 artificial neural network Methods 0.000 claims description 21
- 238000004140 cleaning Methods 0.000 claims description 21
- 238000010586 diagram Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 description 23
- 238000012549 training Methods 0.000 description 18
- 238000001514 detection method Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 13
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 8
- 239000000284 extract Substances 0.000 description 7
- 238000009792 diffusion process Methods 0.000 description 6
- 238000009826 distribution Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000001953 sensory effect Effects 0.000 description 4
- 238000002939 conjugate gradient method Methods 0.000 description 3
- 238000011478 gradient descent method Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- MWUXSHHQAYIFBG-UHFFFAOYSA-N Nitric oxide Chemical compound O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 2
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 239000000356 contaminant Substances 0.000 description 2
- 238000011109 contamination Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000003912 environmental pollution Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 239000013618 particulate matter Substances 0.000 description 2
- 230000007480 spreading Effects 0.000 description 2
- 238000003892 spreading Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000003915 air pollution Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 238000000746 purification Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000010408 sweeping Methods 0.000 description 1
- 238000003911 water pollution Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y20/00—Information sensed or collected by the things
- G16Y20/10—Information sensed or collected by the things relating to the environment, e.g. temperature; relating to location
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/10—Detection; Monitoring
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Primary Health Care (AREA)
- Biochemistry (AREA)
- Food Science & Technology (AREA)
- Toxicology (AREA)
- Combustion & Propulsion (AREA)
- Medicinal Chemistry (AREA)
- Pathology (AREA)
- Immunology (AREA)
- Environmental & Geological Engineering (AREA)
- Analytical Chemistry (AREA)
- Biophysics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Entrepreneurship & Innovation (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
Abstract
本说明书实施例提供一种智慧城市扬尘污染管理方法和物联网系统,该方法由管理平台执行,该方法包括:通过传感网络平台获取待测区域的一个或多个环境数据,以及获取与环境数据相关联的一个或多个街道数据;环境数据至少包括表示空气中扬尘信息的扬尘数据;基于环境数据,判断待测区域是否存在扬尘污染;是,则基于环境数据和街道数据,确定至少一个扬尘污染源的位置,并对所述扬尘污染进行处理。该物联网系统包括用户平台、服务平台、管理平台、传感网络平台、对象平台。
Description
技术领域
本说明书涉及物联网与云平台领域,特别涉及一种智慧城市扬尘污染管理方法和物联网系统。
背景技术
传统的环境污染管理方法不能做到早发现早处理,往往在发现的时候已经造成了较严重的污染和较大范围的影响。对于扬尘污染管理方面,由于扬尘影响范围较大,寻找扬尘污染源的位置较为困难。
因此,希望可以提供一种智慧城市扬尘污染管理方法和物联网系统,利用物联网与云平台来更好的管理城市的扬尘污染,对城市进行全方位监测,以在出现扬尘污染的时候准确计算出扬尘污染源的位置。
发明内容
本说明书一个或多个实施例提供一种智慧城市扬尘污染管理方法。所述方法由管理平台执行,所述智慧城市扬尘污染管理方法包括:通过传感网络平台获取待测区域的一个或多个环境数据,以及获取与所述环境数据相关联的一个或多个街道数据;所述环境数据至少包括表示空气中扬尘信息的扬尘数据;基于所述环境数据,判断所述待测区域是否存在扬尘污染;是,则基于所述环境数据和所述街道数据,确定至少一个扬尘污染源的位置,并对所述扬尘污染进行处理。
本说明书一个或多个实施例提供一种智慧城市扬尘污染管理物联网系统。所述系统包括用户平台、服务平台、管理平台、传感网络平台和对象平台;所述用户平台用于获取用户需求;所述服务平台用于从所述用户平台获取用户需求,并基于用户需求为用户提供服务;所述管理平台用于通过传感网络平台获取待测区域的一个或多个环境数据,以及获取与所述环境数据相关联的一个或多个街道数据;所述环境数据至少包括表示空气中扬尘信息的扬尘数据;基于所述环境数据,判断所述待测区域是否存在扬尘污染;是,则基于所述环境数据和所述街道数据,确定至少一个扬尘污染源的位置,并对所述扬尘污染进行处理;所述传感网络平台用于从所述对象平台获取所述初始环境数据和所述初始街道数据,并基于所述初始环境数据和所述初始街道数据生成环境数据和街道数据;所述对象平台用于获取初始环境数据和初始街道数据。
附图说明
本说明书将以示例性实施例的方式进一步说明,这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的,在这些实施例中,相同的编号表示相同的结构,其中:
图1是根据本说明书一些实施例所示的智慧城市扬尘污染管理物联网系统的应用场景示意图;
图2是根据本说明书一些实施例所示的智慧城市扬尘污染管理方法的示例性流程图;
图3是根据本说明书一些实施例所示的确定扬尘污染源的位置的示例性流程图;
图4是根据本说明书一些实施例所示的确定扬尘污染源的位置的示意图;
图5是根据本说明书一些实施例所示的通过图神经网络确定扬尘污染源的位置的示例性示意图;
图6是根据本说明书一些实施例所示的智慧城市扬尘污染管理物联网系统的模块图;
图7是根据本说明书一些实施例所示的管理平台的模块图。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本说明书的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明,图中相同标号代表相同结构或操作。
应当理解,本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而,如果其他词语可实现相同的目的,则可通过其他表达来替换所述词语。
除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其它的步骤或元素。
本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是,前面或后面操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各个步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
由于人们对环境的日益重视,使得对环境治理的标准进一步提升,这就要求环境治理人员能防止污染源的扩散,尽量减少污染源影响其他范围的环境。
有鉴于此,本说明书提供了一种智慧城市扬尘污染管理方法和物联网系统,对城市的环境进行全面监控,随时获取城市的环境状况并做出判断,当判断城市存在污染时,及时对污染源进行处理,以在源头上解决污染问题,防止污染进一步扩散。
图1是根据本说明书一些实施例所示的智慧城市扬尘污染管理物联网系统的应用场景示意图。
如图1所示,智慧城市扬尘污染管理物联网系统的应用场景图可以包括环境数据获取设备110、管理平台120、网络130、街道数据140和清扫终端150。
在一些实施例中,智慧城市扬尘污染管理物联网系统100可以用于监控城市的环境,确定污染源的位置。例如,智慧城市扬尘污染管理物联网系统100可以用于监控城市的扬尘情况,并基于扬尘情况确定城市内是否存在扬尘污染,当城市存在扬尘污染时,确定扬尘污染源的位置。
在一些实施例中,智慧城市扬尘污染管理物联网系统100还可以基于城市的环境污染情况,对污染物进行处理。例如,智慧城市扬尘污染管理物联网系统100可以对扬尘进行清扫。
在一些实施例中,智慧城市扬尘污染管理物联网系统100也可以应用于其他类型的污染管理,包括但不限于水污染、空气污染、土地污染等。
环境数据获取设备110可以用于获取环境数据。关于环境数据的更多内容,参见图2及其相关描述,此处不再赘述。环境数据获取设备可以包括但不限于获取空气数据的空气检测终端110-1、获取水数据的水质检测终端110-2、获取环境图像的图像获取设备110-3、获取风向数据的风向数据获取设备110-4等。智慧城市扬尘污染管理物联网系统100还可以包括对象平台,环境数据获取设备110可以设置在对象平台,对象平台可以通过环境数据获取设备110获取初始环境数据,并将初始环境数据传输给传感网络平台进行处理,得到环境数据。传感网络平台可以为服务器或服务器组,以对获取的数据进行存储和处理。关于对象平台和传感网络平台的更多内容,参见图2和图6及其相关描述,此处不再赘述。在一些实施例中,环境数据获取设备110可以设置在每条道路上,以获取每条道路上的环境数据。例如,空气检测设备可以被预先安装在每条街道上,并对街道的空气进行直接取样,分析空气组分数据,并将检测数据传输到管理平台120。又例如,水质检测终端可以被预先设置每条下水道,以对流经的水体的成分进行检测,并将检测数据传输到管理平台120。
管理平台120可以用于处理来自应用场景100的至少一个组件或外部数据源(例如,云数据中心)的数据和/或信息。例如,管理平台120可以为服务器或服务器组,以获取数据并对数据进行存储和处理。管理平台120上设置有一个或多个用于处理数据和/或场景的处理设备。例如,管理平台120可以获取环境数据获取设备获取的环境数据,并基于获取的环境数据和街道数据,确定一个或多个扬尘污染源的位置122。又例如,管理平台120可以基于获取的扬尘污染源的位置分配清扫终端150对扬尘进行清扫。
网络130可以包括提供能够促进应用场景100的信息和/或数据交换的任何合适的网络。在一些实施例中,应用场景100的一个或多个组件之间可以通过网络130交换信息和/或数据。例如,管理平台120可以通过网络130获取环境数据和街道数据140。又例如,管理平台120可以通过网络130向清扫车终端下发清扫污染物的清扫指令。在一些实施例中,应用场景100的一个或多个组件可以通过网络120连接到外部数据源。例如,管理平台120可以将城市街道的空气质量、街道扬尘清理的工作计划等发送到用户终端。
街道数据获取设备可以获取街道数据140。关于街道数据140的更多内容,参见图2及其相关描述,此处不再赘述。在一些实施例中,街道数据获取设备可以设置在对象平台,街道数据获取设备可以包括摄像头,对象平台可以将摄像头拍摄到的街道的图像作为初始街道数据,并将初始街道数据传输给传感网络平台进行处理,得到街道数据。关于街道数据和初始街道数据的更多内容,参见图2和图6及其相关描述,此处不再赘述。
清扫终端150可以为对污染物进行清扫的终端。清扫终端150包括但不限于,清扫扬尘的清扫车终端、净化水的净化终端、过滤空气有害物质的空气过滤器等。关于清扫车终端的更多内容,参见图2及其相关描述,此处不再赘述。
图2是根据本说明书一些实施例所示的智慧城市扬尘污染管理方法的示例性流程图。在一些实施例中,流程200可以由管理平台630执行。如图2所示,流程200包括下述一个或多个步骤。
步骤210,通过传感网络平台获取待测区域的一个或多个环境数据,以及获取与环境数据相关联的一个或多个街道数据。
待测区域可以为实施扬尘污染管理的区域。待测区域的范围可以根据扬尘污染管理的实际需求确定。例如,在管理平台需要对全市实施扬尘污染管理的情况下,待测区域可以为全市。待测区域还可以通过其他方式得到。
环境数据可以为与环境相关的各种数据,通过环境数据可以确定待测区域的环境状况。环境数据至少包括表示空气中扬尘信息的扬尘数据。扬尘数据可以为与扬尘相关的数据。例如,扬尘数据可以包括但不限于扬尘范围、扬尘高度、空气中颗粒物浓度、扬尘持续时间、扬尘区域的能见度等。环境数据还可以包括其他数据。例如,水数据、空气数据、建筑分布数据等。水数据可以包括区域内河流的数据、降雨数据、空气湿度等。
环境数据可以由管理平台从传感网络平台获取。例如,管理平台可以汇总传感网络平台的环境数据。管理平台也可以通过其他方式获取环境数据,包括但不限于从网络获取等。关于传感网络平台的更多内容,参见图6及其相关描述,此处不再赘述。
在一些实施例中,环境数据可以由传感网络平台获取的初始环境数据确定。
初始环境数据可以为设备获取的未经处理的与环境相关的数据,例如,风向数据获取设备获取的与风向数据相关的电信号。初始环境数据至少包括初始扬尘数据,初始扬尘数据可以为空气检测终端获取的扬尘数据。
在一些实施例中,传感网络平台可以通过设置在对象平台上的环境数据获取设备获取初始环境数据,并对接收的初始环境数据进行数据处理得到环境数据。关于环境数据获取设备的更多内容,参见图1及其相关描述,此处不再赘述。例如,传感网络平台从空气检测终端获取城市的初始空气数据可以为(0.3,1.5,0.2),传感网络平台对该初始空气数据进行处理,确定空气中二氧化硫的浓度为0.3ug/m3,一氧化氮的浓度为1.5ug/m3,扬尘污染程度为0.2mg。又例如,传感网络平台可以获取图像获取设备获取的实景图像,并将实景图像输入扬尘数据确定模型,模型输出该实景图像中的扬尘数据。扬尘数据确定模型可以为卷积神经网络模型。
获取扬尘数据的方式还可以是其他方式,包括但不限于管理人员直接手动输入扬尘数据等。
街道数据可以为与街道相关的各种数据,通过街道数据可以得到街道的分布情况。例如,街道数据可以包括但不限于街道的位置、街道之间的关联关系等、街道的住户、街道上的商家、厂家信息等。
在一些实施例中,管理平台在获取环境数据的时候,可以先按街道数据对环境数据进行分类,然后基于分类分别汇总环境数据。例如,现有街道数据包括街道A、街道B和街道C的数据,管理平台可以分别获取街道A、街道B和街道C的环境数据,然后按不同街道分别汇总街道数据和该街道对应的环境数据。
街道数据可以由管理平台从传感网络平台获取。管理平台可以通过各种可行的方式从传感网络平台获取街道数据,包括但不限于图像处理、数据清洗等方式。
在一些实施例中,街道数据可以由传感网络平台获取的初始街道数据确定;传感网络平台从对象平台获取初始街道数据。
初始街道数据可以为街道获取设备获取的与街道相关的数据。例如,图像获取设备对街道1拍摄的图像可以被认为是初始街道数据。
在一些实施例中,对象平台上设置有街道数据获取设备,传感网络平台可以从街道数据获取设备获取初始街道数据,并对初始街道数据进行处理得到街道数据。例如,传感网络平台利用摄像头获取街道1、街道2和街道3的街道图像,传感网络平台通过图像处理提取街道图像中街道1、街道2和街道3的位置、三者之间的关联关系等。
在一些实施例中,传感网络平台可以将获取的初始街道数据输入街道数据识别模型,模型输出街道数据。街道数据识别模型可以包括但不限于卷积神经网络模型等。
在一些实施例中,街道数据识别模型可以通过多个带有标签的第一训练样本训练得到。例如,传感网络平台可以将多个带有标签的第一训练样本输入初始街道数据识别模型,通过标签和初始街道数据识别模型的结果构建损失函数,基于损失函数迭代更新初始街道数据识别模型的参数。当初始街道数据识别模型的损失函数满足预设条件时模型训练完成,得到训练好的街道数据识别模型。其中,预设条件可以包括损失函数收敛、迭代次数达到阈值等。标签可以为第一训练样本对应的样本街道数据,样本街道数据至少可以通过人工标注的方式得到。训练街道数据识别模型的方法包括但不限于梯度下降法、正则化和共轭梯度法等。
步骤220,基于环境数据,判断待测区域是否存在扬尘污染。
扬尘污染可以为粉尘颗粒物对空气造成的污染。在一些实施例中,由于空气中存在粉尘造成能见度低的情况可以被认为是存在扬尘污染。在一些实施例中,管理平台可以将获取的扬尘数据与预设污染阈值进行比较,当扬尘数据大于预设污染阈值时,确定存在扬尘污染。例如,预设污染阈值可以为空气中颗粒物浓度大于0.3mg,当扬尘数据表示当前空气中颗粒物浓度大于0.3mg时,管理平台可以判断待测区域存在扬尘污染。
当管理平台判断待测区域不存在扬尘污染时,管理平台可以继续获取环境数据,并基于新获取的环境数据,持续判断待测区域是否存在扬尘污染。当管理平台判断待测区域不存在扬尘污染时,也可以进行其他操作,在此不做限制。
步骤230,是,则基于环境数据和街道数据,确定至少一个扬尘污染源的位置,并对扬尘污染进行处理。
扬尘污染源可以为造成扬尘污染的源头。扬尘污染源的位置可以为扬尘污染的源头的位置。例如,扬尘污染源的经纬度坐标可以被提取为扬尘污染源的位置。
在一些实施例中,管理平台可以获取多张存在扬尘污染的区域的图像,然后分别提取多张图像中的街道数据和环境数据,基于街道数据和环境数据确定街道的位置和街道间的关联关系,并基于街道间的关联关系和每条街道的扬尘污染的程度确定扬尘污染源所在的条街道,并基于该条街道的位置确定扬尘污染源的位置。
在另一些实施例中,对于通过空气检测终端得到的扬尘数据,管理平台在获取扬尘数据的时候可以获取对应的空气检测终端的位置,并基于空气检测终端的位置和检测到的扬尘污染的程度,确定扬尘污染源所在的街道和街道的位置,并基于街道的位置确定扬尘污染源的位置。
在一些实施例中,管理平台可以基于街道数据,确定待测区域的道路网络图。
道路网络图可以为待测区域内的所有街道构成的图。道路网络图可以直观反映待测区域内道路的分布情况。在一些实施例中,道路网络图的节点可以为街道,节点的属性可以包括但不限于街道的名称、街道的位置、街道的环境等;道路网络图的边可以为街道间的关联关系,边的属性可以包括但不限于街道间的连接关系等。例如,如图1街道数据140所示,对于街道1和街道2,街道1和街道2可以作为图中的节点,由于街道1和街道2为相互连接的街道,其连接方式为直行连接,因此,街道1和街道2之间有表示两者在地理上相连的边,边的属性可以包括直行连接。
在一些实施例中,管理平台可以提取街道数据中每条街道的数据,并基于每条街道的数据建立道路网络图。例如,管理平台可以分别获取每条街道的名称、位置、长度和相连街道、连接方式等信息,然后将街道的名称作为节点、将街道的位置、街道的长度等表示街道属性的数据作为节点的属性;然后根据街道与其他街道的关系确定街道间是否相连,并将相连的街道的连接方式作为边的属性。
在一些实施例中,管理平台可以基于道路网络图和环境数据,确定至少一个扬尘污染源的位置,并对扬尘污染进行处理。
在一些实施例中,管理平台可以基于环境数据确定存在扬尘污染的街道和街道的污染程度,并基于存在扬尘污染的街道间的关联关系,污染程度的变化情况,确定至少一个扬尘污染源的位置。例如,管理平台对环境数据进行处理,发现街道1、街道9和街道2存在扬尘污染,且街道1的扬尘污染程度为5.8mg,街道9的扬尘污染程度为3.2mg,街道2的扬尘污染程度为2.8mg,然后管理平台根据道路网络图中的显示,街道1、街道9和街道2为三个相连的街道,据此,管理平台可以确定扬尘污染源的位置在街道1上。本说明书中的一些实施例,通过将街道数据转化为道路网络图,直观反映出街道及街道间的关联关系,使得可以更准确地确定出扬尘污染源的位置。
在一些实施例中,管理平台还可以基于扬尘污染源的位置,对扬尘污染进行处理。例如,管理平台可以先对扬尘污染源的位置进行清扫,再清扫其他由扬尘扩散造成污染的街道。
在一些实施例中,管理平台还可以通过传感网络平台获取多个清扫车终端的位置;基于清扫车终端的位置和目标街道在未来时间段的扬尘污染程度,为清扫车终端分配目标清扫区域。
清扫车终端可以为对环境进行清扫的终端。例如,清扫扬尘的终端。清扫车的形式可以是各种形式,包括但不限于车载吸尘器、洒水车等。
在一些实施例中,对象平台还可以包括清扫车终端。对象平台可以将清扫车终端的位置通过传感网络平台传输给管理平台。管理平台也可以通过其他方式获取清扫车终端的位置。
目标清扫区域可以为需要进行扬尘污染清扫的区域。例如,步骤260中未来时间段的扬尘污染程度不达标的目标街道可以共同作为目标清扫区域。在一些实施例中,目标清扫区域的大小可以根据实际需求确定,可以按固定大小划分目标清扫区域,也可以按街道划分目标清扫区域。
在一些实施例中,管理平台可以根据清扫区域未来时间段的扬尘污染程度,确定所需清扫车的数量,当目标区域内清扫车数量足够,则按目标区域内扬尘污染程度的高低分配清扫车数目。例如,区域1在未来时间段的平均污染程度为2.3mg,管理平台可以确定区域1所需清扫车数量为4,由于区域1内清扫车数量为5,所以管理平台按区域1内街道1、街道2和街道3的扬尘污染程度3.1mg、2.3mg和1.5mg,确定街道1所需清扫车数量为2,街道2和街道3所需清扫车分别为1。
在一些实施例中,对于扬尘污染程度低的街道,管理平台可以分配一辆清扫车清扫多条街道。
在一些实施例中,当目标区域内清扫车数量不足时,则在目标区域内的清扫车开始作业的同时,调度邻近区域的清扫车清扫该区域。
本说明书中的一些实施例,通过基于未来时间段的扬尘污染程度和清扫车终端的位置提前分配清扫车终端,能够及时对目标区域进行清扫,避免清扫不及时造成扬尘污染区域进一步扩大。
本说明书中的一些实施例,通过获取待测区域的环境数据和街道数据,并基于街道数据和环境数据确定出扬尘污染源的位置,可以提高判断结果的准确性,为后续处理提供可靠的信息。
步骤240,通过传感网络平台获取扬尘污染源的位置处的风向数据。
风向数据可以为与空气流动的方向相关的数据。风向数据可以包括但不限于吹风的方向、风力大小、起风时间等。
风向数据可以由管理平台从传感网络平台获取。管理平台可以通过各种方式从传感网络平台获取风向数据。
在一些实施例中,风向数据由传感网络平台获取的初始风向数据确定;传感网络平台从对象平台获取所述初始风向数据。例如,传感网络平台获取风向数据获取装置获取的风向数据。
步骤250,基于扬尘污染源的位置,确定一个或多个目标街道。
目标街道可以为未来可能发生扬尘污染的街道。例如,未来1小时、未来1天可能会发生扬尘污染的街道。
在一些实施例中,管理平台可以将与扬尘污染源相连的街道确定为目标街道。例如,扬尘污染源的位置在街道1,管理平台可以将与街道1相连的街道2和街道9确定为目标街道。
步骤260,基于风向数据、目标街道的街道数据和扬尘数据,确定目标街道在未来时间段的扬尘污染程度。
扬尘污染程度可以用于表示空气中扬尘污染的严重程度。在一些实施例中,管理平台可以基于空气中颗粒物浓度的高低确定扬尘污染程度。例如,管理平台可以将每立方米空气中颗粒物浓度在0.1mg-0.2mg之间的扬尘污染的扬尘污染程度确定为轻度污染,将0.2-0.3mg之间的扬尘污染的扬尘污染程度确定为中度污染,大于0.3mg的扬尘污染的污染程度确定为重度污染。
未来时间段的扬尘污染程度可以为未来时间段空气中的扬尘污染的严重程度。
在一些实施例中,管理平台可以基于风向数据确定扬尘污染源位置处的扬尘的扩散方向和扩散速度,基于扬尘的扩散方向和扩散速度确定未来时间段将受扬尘扩散影响的街道,并计算扩散到各目标街道的扩散扬尘污染程度;管理平台还可以基于风向数据确定目标位置处在未来时间段的未来扬尘污染程度,并基于目标街道的未来扬尘污染程度和扩散扬尘污染程度,确定目标街道在未来时间段的扬尘污染程度。
在一些实施例中,管理平台可以将风向数据、扬尘数据、扬尘污染源的位置、扬尘污染源的位置与目标街道的距离、风向数据和天气数据输入污染度预测模型,模型输出目标街道未来时间段的扬尘污染程度。
在一些实施例中,污染度预测模型可以通过多个带有标签的第三训练样本训练得到。例如,可以将多个带有标签的第三训练样本输入初始污染度预测模型,通过标签和初始污染度预测模型的结果构建损失函数,基于损失函数迭代更新初始污染度预测模型的参数。当初始污染度预测模型的损失函数满足预设条件时模型训练完成,得到训练好的污染度预测模型。其中,预设条件可以是损失函数收敛、迭代次数达到阈值等。训练污染度预测模型的方法包括但不限于梯度下降法、正则化和共轭梯度法等。在一些实施例中,第三训练样本和标签可以通过提取历史数据得到。
本说明书中的一些实施例,通过预测目标街道在未来时间段的扬尘污染程度,使得可以把握扬尘污染随时间的变化情况,方便根据扬尘污染的变化情况实施有针对性的清扫策略。
图3是根据本说明书一些实施例所示的确定扬尘污染源的位置的示例性流程图。在一些实施例中,流程300可以由管理平台630执行。如图3所示,流程300包括下述步骤。
步骤310,将待测区域划分为多个子区域。
子区域可以为对待测区域进行划分得到的区域。管理平台可以通过各种方式对待测区域进行划分得到多个子区域。
步骤320,基于街道数据,确定多个子区域的道路网络子图。
道路网络子图可以为子区域内的所有街道构成的图。道路网络子图可以直观反映子区域内道路的分布情况。道路网络子图的节点、边、节点的属性和边的属性与图2中道路网络图类似。关于道路网络子图的更多内容,参见图2及其相关描述,此处不再赘述。
在一些实施例中,管理平台可以包括多个管理分平台,每个管理分平台可以分别基于每个子区域的街道数据,确定该子区域的道路网络子图。例如,管理平台可以包括管理信息综合管理平台,管理信息综合管理平台可以为管理分平台分配需要其进行处理的子区域,管理分平台可以根据自己处理的子区域从传感网络平台获取街道数据,并提取街道数据中与子区域内的街道相关的数据,基于提取的街道数据,建立子区域的道路网络子图。
步骤330,基于道路网络子图和环境数据,确定至少一个扬尘污染源的位置。
在一些实施例中,管理平台可以分别基于道路网络子图和环境数据确定扬尘污染源的位置。例如,管理平台可以通过管理分平台1、管理分平台2和管理分平台3分别处理子区域1、子区域2和子区域3的道路网络子图和环境数据,管理信息综合管理平台可以基于管理分平台1、2、3传输的对于子区域1、2、3的处理结果,确定该区域内的扬尘污染源所处的街道。
本说明书中的一些实施例,通过将待测区域划分为多个子区域分别进行处理,确定每个子区域中的扬尘污染源的位置,提高了处理效率,使得管理平台的负荷承载力更高。
应当注意的是,上述有关智慧城市扬尘污染管理方法的流程的描述仅仅是为了示例和说明,而不限定本说明书的适用范围。对于本领域技术人员来说,在本说明书的指导下可以对智慧城市扬尘污染管理方法的流程进行各种修正和改变。然而,这些修正和改变仍在本说明书的范围之内。
图4是根据本说明书一些实施例所示的确定扬尘污染源的位置的示意图。在一些实施例中,示意的流程400可以由管理平台630执行。如图4所示,流程400可以包括以下内容。
步骤410,基于环境数据,从多个子区域中确定一个或多个存在扬尘污染的目标子区域。
目标子区域可以为存在扬尘污染的子区域。例如,扬尘污染程度大于0.3mg的区域可以被选取为目标子区域。
在一些实施例中,管理平台可以处理环境数据中的扬尘数据,基于扬尘数据与预设污染阈值的大小,确定一个或多个扬尘污染程度不符合预设污染阈值的目标子区域。关于预设污染阈值的更多内容,参见图2及其相关描述,此处不再赘述。例如,预设污染阈值可以为0.3mg,管理平台可以从n个子区域中选取m个扬尘污染程度大于0.3mg的子区域作为目标子区域。
步骤420,基于目标子区域的道路网络子图,确定目标道路网络图;目标道路网络图至少包括目标子区域的街道和街道间的关联关系。
目标道路网络图可以为由目标子区域内的所有街道构成的图。目标道路网络图至少包括目标子区域的街道和街道间的关联关系。目标道路网络图可以直观反映存在扬尘污染的区域的街道的分布情况。目标道路网络图的节点可以为街道,节点的属性可以包括但不限于街道的名称、街道的位置、街道的环境等;目标道路网络图的边可以为街道间的关联关系,边的属性可以包括但不限于街道间的连接关系等。例如,图1中的街道数据140可以被认为是由街道1、街道2、街道3、街道4、街道9和街道10构成的目标子区域,图中的街道1、街道2、街道3、街道4、街道9和街道10可以作为目标道路网络图中的节点,由于街道1和街道2为相互连接的街道,其连接方式为直行连接,因此,道路1和道路2之间有表示两者在地理上相连的边,边的数据可以包括直行连接。
步骤430,基于目标道路网络图和环境数据,通过图神经网络,得到至少一个扬尘污染源的位置。
在一些实施例中,管理平台可以将目标道路网络图和环境数据输入图神经网络,图神经网络输出至少一个扬尘污染源的位置。
在一些实施例中,基于第二训练样本对初始图神经网络进行监督训练,得到图神经网络;第二训练样本包括多个训练样本集,每个训练样本集包括样本目标道路网络图和样本环境数据,以样本扬尘污染源的所在的街道为标签,样本扬尘污染源的所在的街道至少可以通过人工标注的方式得到。例如,管理平台可以将多个带有标签的第二训练样本输入初始图神经网络,通过标签和初始图神经网络的结果构建损失函数,基于损失函数迭代更新初始图神经网络的参数。当初始图神经网络的损失函数满足预设条件时模型训练完成,得到训练好的图神经网络模型。其中,预设条件可以是损失函数收敛、迭代次数达到阈值等。训练图神经网络模型的方法包括但不限于梯度下降法、正则化和共轭梯度法等。
关于图神经网络确定扬尘污染源的位置的更多内容,参见图5及其相关描述,此处不再赘述。
本说明书中的一些实施例,通过将发生扬尘污染的子区域的道路网络子图提取出来形成目标道路网络图,使得可以仅对发生扬尘污染的子区域进行处理,减轻了处理压力,提高了处理效率。
图5是根据本说明书一些实施例所示的通过图神经网络确定扬尘污染源的位置的示例性示意图。在一些实施例中,示意的流程500的内容可以由管理平台630执行。如图5所示,流程500可以包括以下内容。
步骤510,提取目标道路网络图中各节点的节点向量表示和各边的边向量表示。
节点为街道,节点向量表示至少包括街道的名称、位置和街道朝向等。例如,对于表示街道1的节点,节点的向量表示可以为(I路,A,东西,100),表示街道1的名称为I路、位置为A,且为东西朝向100m的街道。
边为街道的关联关系,边向量表示至少包括街道间的关联关系。例如,街道1与街道2的关联关系为直行连接,则街道1与街道2之间的边向量表示可以为(直行连接,直行连接)。又例如,街道1与街道3的关联关系为左转连接和右转连接,则街道1与街道3的边向量表示可以为(左转连接,右转连接)。
在一些实施例中,图神经网络可以对输入的目标道路网络图进行图像识别,提取节点和节点的属性、边和边的属性,并基于提取的节点的属性形成节点向量表示,基于提取的边的属性形成边向量表示。
步骤520,基于环境数据,提取各节点的扬尘数据。
在一些实施例中,图神经网络可以从环境数据中提取各节点的扬尘数据。例如,图神经网络可以根据节点1的名称I路,从环境数据中提取同名的街道的扬尘数据。
步骤530,将扬尘数据添加到该节点的节点向量表示,得到目标节点向量表示。
目标节点向量表示可以为将扬尘数据添加到节点向量表示后得到的向量表示。例如,节点街道1的扬尘数据为3.8mg,街道1的目标节点向量表示为(I路,A,东西,100,3.8)。
图神经网络可以通过各种可行的方式将扬尘数据添加到对应的节点向量表示,包括但不限于直接添加、将扬尘数据处理后添加等。
步骤540,基于目标节点向量表示和边向量表示,确定至少一个扬尘污染源的位置。
在一些实施例中,图神经网络可以基于目标节点向量表示和边向量表示的特征判断该街道是否为扬尘污染源的位置。图神经网络可以通过各种可行的方式确定扬尘污染源的位置,包括但不限于线性回归、逻辑回归、随机森林等。
本说明书中的一些实施例,通过将多个影响因素作为向量输入图神经网络,图神经网络可以更好的识别扬尘污染源的位置。使得输出的扬尘污染源的位置的准确性更高。
图6是根据本说明书一些实施例所示的智慧城市扬尘污染管理物联网系统的模块图。在一些实施例中,所述智慧城市扬尘污染管理物联网系统600可以包括用户平台610、服务平台620、管理平台630、传感网络平台640和对象平台650。
用户平台610用于获取用户需求。用户需求可以为用户要求系统提供的服务。在一些实施例中,用户可以通过用户平台获取与城市扬尘污染管理相关的信息。例如,市民要求了解城市街道的空气质量、城市街道扬尘清理的工作计划等。在一些实施例中,用户可以通过用户平台向智慧城市扬尘污染管理物联网系统发送需求指令。例如,市民可以向系统举报某区域存在扬尘污染,并要求系统进行处理。
服务平台620用于从用户平台获取用户需求,并基于用户需求为用户提供服务。例如,服务平台可以向用户展示城市当前的空气质量、城市街道扬尘清理的工作计划等。又例如,服务平台可以针对用户的举报反馈处理结果。
在一些实施例中,服务平台620可以包括多个处理数据的服务分平台、传输数据的服务平台数据库和服务信息综合管理平台。服务信息综合管理平台可以从用户平台获取用户需求。服务平台数据库可以存储和/或接收用户需求,并将其传输至服务分平台。服务分平台可以对用户需求进行处理,并针对用户需求提供用于反馈给用户的反馈信息。
在一些实施例中,服务平台620还可以基于用户需求向管理平台发送指令,并将管理平台的执行结果反馈给用户。例如,服务平台可以根据用户举报区域A存在扬尘污染的信息,指示管理平台确定区域A是否存在扬尘污染,若是,则对扬尘污染进行清扫,清扫完成后,服务平台通过用户平台将处理完成的结果发送给用户。
管理平台630用于通过传感网络平台获取待测区域的一个或多个环境数据,以及获取与环境数据相关联的一个或多个街道数据;环境数据至少包括表示空气中扬尘信息的扬尘数据;基于环境数据,判断待测区域是否存在扬尘污染;是,则基于环境数据和街道数据,确定至少一个扬尘污染源的位置,并扬尘污染进行处理。关于待测区域、环境数据、街道数据、扬尘数据、确定扬尘污染和确定扬尘污染源的位置的更多内容,参见图2及其相关描述此处不再赘述。
在一些实施例中,管理平台630还用于通过传感网络平台获取扬尘污染源的位置处的风向数据;基于扬尘污染源的位置,确定一个或多个目标街道;基于风向数据、目标街道的街道数据和扬尘数据,确定目标街道在未来时间段的扬尘污染程度。关于风向数据、目标街道及其未来时间段的扬尘污染程度的更多内容,参见图2及其相关描述,此处不再赘述。
在一些实施例中,管理平台630还用于通过传感网络平台获取多个清扫车终端的位置;基于清扫车终端的位置和目标街道在未来时间段的扬尘污染程度,为清扫车终端分配目标清扫区域。
传感网络平台640用于从对象平台获取初始环境数据和初始街道数据,并基于初始环境数据和初始街道数据生成环境数据和街道数据。
在一些实施例中,传感网络平台640可以包括多个用于处理数据的传感分平台、传输数据的传感网络平台数据库和管理数据的传感信息综合管理平台。传感网络平台数据库可以用于从对象平台获取初始环境数据和初始街道数据。多个传感分平台可以用于从传感网络平台数据库获取初始环境数据和初始街道数据,并对初始环境数据和初始街道数据进行处理,得到环境数据和街道数据。传感网络平台数据库还可以用于将多个传感分平台的环境数据和街道数据传输给管理平台。传感信息综合管理平台可以用于通过传感网络平台数据库从多个传感分平台获取环境数据和街道数据,并将环境数据和街道数据传输给管理平台。关于初始环境数据、初始街道数据、环境数据和街道数据的更多内容,参见图2及其相关描述,此处不再赘述。
在一些实施例中,传感网络平台640还可以获取风向数据,并将风向数据传输给管理平台。
在一些实施例中,传感网络平台640还可以获取清扫车终端的位置,并将清扫车终端的位置发送给管理平台。
本说明书中的一些实施例,传感网络平台通过多个传感分平台获取初始环境数据和初始街道数据,并对获取的数据进行处理,可以提高数据处理的效率的准确度。
对象平台650用于获取初始环境数据和初始街道数据。对象平台650可以包括多种环境数据获取设备和街道数据获取设备。例如,对象平台650可以包括空气数据检测终端、水质检测终端、图像获取设备等。关于初始环境数据和初始街道数据的内容,参见图2及其相关描述,此处不再赘述。
在一些实施例中,对象平台650还可以包括风向数据获取设备。对象平台可以将风向数据获取设备获取的有关风向的数据通过传感网络平台发送给管理平台。
在一些实施例中,对象平台650还可以包括清扫车终端。对象平台可以将与清扫车终端的位置相关的数据通过传感网络平台发送给管理平台。
需要注意的是,以上对于智慧城市扬尘污染管理物联网系统及其模块的描述,仅为描述方便,并不能把本说明书限制在所举实施例范围之内。可以理解,对于本领域的技术人员来说,在了解该系统的原理后,可能在不背离这一原理的情况下,对各个模块进行任意组合,或者构成子系统与其他模块连接。在一些实施例中,图6中披露的用户平台610、服务平台620、管理平台630、传感网络平台640和对象平台650可以是一个系统中的不同模块,也可以是一个模块实现上述的两个或两个以上模块的功能。例如,各个模块可以共用一个存储模块,各个模块也可以分别具有各自的存储模块。诸如此类的变形,均在本说明书的保护范围之内。
图7是根据本说明书一些实施例所示的管理平台的模块图。如图7所示,管理平台630可以包括管理信息综合管理平台710、管理平台数据库720、和多个管理分平台730-1、730-1、…和730-n。
管理平台还用于将待测区域划分为多个子区域。关于子区域和划分子区域的更多内容,参见图4及其相关描述,此处不再赘述。
管理信息综合管理平台710用于从管理平台数据库获取道路网络子图,并基于道路网络子图和环境数据,确定至少一个扬尘污染源的位置。关于道路网络子图、环境数据和确定扬尘污染源的位置的更多内容,参见图4及其相关描述,此处不再赘述。
管理平台数据库720用于分别从多个管理分平台获取道路网络子图。关于道路网络子图的更多内容,参见图4及其相关描述,此处不再赘述。
多个管理分平台用于基于街道数据,确定多个子区域的道路网络子图;道路网络子图至少包括多个子区域的街道和街道间的关联关系。关于道路网络子图和确定道路网络子图的更多内容,参见图4及其相关描述,此处不再赘述。
本说明书中的一些实施例,通过将待测区域划分为多个子区域,并基于多个管理分平台分别处理每个子区域的数据,得到道路网络子图,提高了处理效率。
在一些实施例中,本说明书一个或多个实施例还提供一种智慧城市扬尘污染管理装置。所述装置包括处理器,所述处理器用于执行智慧城市扬尘污染管理方法。
在一些实施例中,本说明书一个或多个实施例还提供一种计算机可读存储介质。所述存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机执行智慧城市扬尘污染管理方法。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本说明书的限定。虽然此处并没有明确说明,本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议,所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
同时,本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外,本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外,除非权利要求中明确说明,本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如,虽然以上所描述的系统组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上安装所描述的系统。
同理,应当注意的是,为了简化本说明书披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本说明书实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字,应当理解的是,此类用于实施例描述的数字,在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明,“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地,在一些实施例中,说明书和权利要求中使用的数值参数均为近似值,该近似值根据个别实施例所需特点可以发生改变。在一些实施例中,数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值,在具体实施例中,此类数值的设定在可行范围内尽可能精确。
针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料,如文章、书籍、说明书、出版物、文档等,特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外,对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是,如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方,以本说明书的描述、定义和/或术语的使用为准。
最后,应当理解的是,本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此,作为示例而非限制,本说明书实施例的替代配置可视为与本说明书的教导一致。相应地,本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。
Claims (8)
1.一种智慧城市扬尘污染管理方法,其特征在于,所述方法由管理平台执行,所述方法包括:
通过传感网络平台获取待测区域的一个或多个环境数据,以及获取与所述环境数据相关联的一个或多个街道数据;所述环境数据至少包括表示空气中扬尘信息的扬尘数据;
基于所述环境数据,判断所述待测区域是否存在扬尘污染;
是,则基于所述环境数据和所述街道数据,确定至少一个扬尘污染源的位置,并对所述扬尘污染进行处理;其中,所述基于所述环境数据和所述街道数据,确定至少一个扬尘污染源的位置包括:
将所述待测区域划分为多个子区域;
基于所述街道数据,通过分平台分别确定所述多个子区域的道路网络子图;所述道路网络子图至少包括所述多个子区域的街道和街道间的关联关系;
基于所述道路网络子图和所述环境数据,确定所述至少一个扬尘污染源的位置。
2.如权利要求1所述的智慧城市扬尘污染管理方法,其特征在于,所述基于所述道路网络子图和所述环境数据,确定至少一个扬尘污染源的位置,包括:
基于所述环境数据,从所述多个子区域中确定一个或多个存在扬尘污染的目标子区域;
基于所述目标子区域的道路网络子图,确定目标道路网络图;所述目标道路网络图至少包括所述目标子区域的街道和街道间的关联关系;
基于图神经网络,根据所述目标道路网络图和所述环境数据,得到所述至少一个扬尘污染源的位置。
3.如权利要求2所述的智慧城市扬尘污染管理方法,其特征在于,所述基于图神经网络,得到所述至少一个扬尘污染源的位置,包括:
提取所述目标道路网络图中各节点的节点向量表示和各边的边向量表示;所述节点为街道,所述节点向量表示至少包括街道的名称、位置和街道朝向;所述边为街道的关联关系,所述边向量表示至少包括街道间的关联关系;
基于所述环境数据,提取各节点的所述扬尘数据;
将所述扬尘数据添加到该节点的节点向量表示,得到目标节点向量表示;
基于所述目标节点向量表示和边向量表示,确定所述至少一个扬尘污染源的位置。
4.如权利要求1所述的智慧城市扬尘污染管理方法,其特征在于,还包括:
通过所述传感网络平台获取所述扬尘污染源的位置处的风向数据;
基于所述扬尘污染源的位置,确定一个或多个目标街道;
基于所述风向数据、所述目标街道的街道数据和扬尘数据,确定所述目标街道在未来时间段的扬尘污染程度。
5.如权利要求4所述的智慧城市扬尘污染管理方法,其特征在于,对所述扬尘污染进行处理,包括:
通过所述传感网络平台获取多个清扫车终端的位置;
基于清扫车终端的位置和所述目标街道在未来时间段的扬尘污染程度,为所述清扫车终端分配目标清扫区域。
6.一种智慧城市扬尘污染管理物联网系统,其特征在于,所述系统包括用户平台、服务平台、管理平台、传感网络平台和对象平台;
所述用户平台用于获取用户需求;
所述服务平台用于从所述用户平台获取所述用户需求,并基于所述用户需求为用户提供服务;
所述管理平台用于通过传感网络平台获取待测区域的一个或多个环境数据,以及获取与所述环境数据相关联的一个或多个街道数据;所述环境数据至少包括表示空气中扬尘信息的扬尘数据;基于所述环境数据,判断所述待测区域是否存在扬尘污染;是,则基于所述环境数据和所述街道数据,确定至少一个扬尘污染源的位置,并对所述扬尘污染进行处理;其中,所述管理平台包括多个管理分平台、管理平台数据库和管理信息综合管理平台:
所述管理平台还用于将所述待测区域划分为多个子区域;
所述多个管理分平台用于基于所述街道数据,确定所述多个子区域的道路网络子图;所述道路网络子图至少包括所述多个子区域的街道和街道间的关联关系;
所述管理平台数据库用于分别从所述多个管理分平台获取所述道路网络子图;
所述管理信息综合管理平台用于从所述管理平台数据库获取所述道路网络子图,并基于所述道路网络子图和所述环境数据,确定所述至少一个扬尘污染源的位置;
所述传感网络平台用于从所述对象平台获取初始环境数据和初始街道数据,并基于所述初始环境数据和所述初始街道数据生成环境数据和街道数据;
所述对象平台用于获取初始环境数据和初始街道数据。
7.如权利要求6所述的智慧城市扬尘污染管理物联网系统,其特征在于,所述传感网络平台包括多个传感分平台和传感网络平台数据库;
所述传感网络平台数据库用于从所述对象平台获取所述初始环境数据和所述初始街道数据;
所述多个传感分平台用于从所述传感网络平台数据库获取所述初始环境数据和所述初始街道数据,并对所述初始环境数据和所述初始街道数据进行处理,得到所述环境数据和所述街道数据;
所述传感网络平台数据库还用于将所述多个传感分平台的所述环境数据和所述街道数据传输给所述管理平台。
8.如权利要求6所述的智慧城市扬尘污染管理物联网系统,其特征在于,所述管理平台还用于:
通过所述传感网络平台获取所述扬尘污染源的位置处的风向数据;
基于所述扬尘污染源的位置,确定一个或多个目标街道;
基于所述风向数据、所述目标街道的街道数据和扬尘数据,确定所述目标街道在未来时间段的扬尘污染程度;
通过所述传感网络平台获取多个清扫车终端的位置;
基于清扫车终端的位置和所述目标街道在未来时间段的扬尘污染程度,为所述清扫车终端分配目标清扫区域。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210352984.4A CN114429315B (zh) | 2022-04-06 | 2022-04-06 | 一种智慧城市扬尘污染管理方法和物联网系统 |
US17/804,092 US11874261B2 (en) | 2022-04-06 | 2022-05-25 | Method and internet of things (IoT) system for managing dust pollution in smart city |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210352984.4A CN114429315B (zh) | 2022-04-06 | 2022-04-06 | 一种智慧城市扬尘污染管理方法和物联网系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114429315A CN114429315A (zh) | 2022-05-03 |
CN114429315B true CN114429315B (zh) | 2022-06-21 |
Family
ID=81314447
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210352984.4A Active CN114429315B (zh) | 2022-04-06 | 2022-04-06 | 一种智慧城市扬尘污染管理方法和物联网系统 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11874261B2 (zh) |
CN (1) | CN114429315B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114842349B (zh) * | 2022-07-01 | 2022-09-06 | 山东高速德建建筑科技股份有限公司 | 一种基于信息技术的建筑施工环境保护方法和系统 |
CN115358432B (zh) * | 2022-10-14 | 2023-02-07 | 成都秦川物联网科技股份有限公司 | 用于智慧燃气的燃气表计量故障确定方法和物联网系统 |
CN115481987B (zh) * | 2022-10-24 | 2023-03-24 | 成都秦川物联网科技股份有限公司 | 智慧城市街道管理方法、物联网系统、装置和存储介质 |
CN115796423A (zh) * | 2023-02-07 | 2023-03-14 | 长沙中联重科环境产业有限公司 | 一种基于物联网监测缓解城市扬尘的方法及系统 |
CN117633661B (zh) * | 2024-01-26 | 2024-04-02 | 西南交通大学 | 一种基于进化图自监督学习的运渣车高危污染源分类方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104318315A (zh) * | 2014-09-29 | 2015-01-28 | 南通大学 | 一种城市道路交通污染物排放监控预警系统及方法 |
CN109932988A (zh) * | 2019-03-27 | 2019-06-25 | 四川瞭望工业自动化控制技术有限公司 | 一种城市扬尘污染扩散预测系统及方法 |
CN111088768A (zh) * | 2019-12-31 | 2020-05-01 | 柏美迪康环境科技(上海)股份有限公司 | 一种厂界道路抑尘系统及其应用 |
KR20200106266A (ko) * | 2019-03-04 | 2020-09-14 | 현진우 | 인접 사회기반시설을 활용한 스마트 클린 시티용 환경정보 제공시스템 |
CN112242050A (zh) * | 2019-07-17 | 2021-01-19 | 纳智源科技(唐山)有限责任公司 | 分布式道路扬尘监测系统 |
CN112561191A (zh) * | 2020-12-22 | 2021-03-26 | 北京百度网讯科技有限公司 | 预测模型的训练、预测方法、装置、设备、程序和介质 |
WO2021118819A1 (en) * | 2019-12-10 | 2021-06-17 | Nuro, Inc. | Sensor cleaning mechanism for an autonomous vehicle |
CN113506049A (zh) * | 2021-09-10 | 2021-10-15 | 南通华豪巨电子科技有限公司 | 基于人工智能的道路洒水车调度方法及系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2564604B (en) * | 2016-04-05 | 2022-08-31 | Aquarius Spectrum Ltd | Systems and methods for monitoring pressure transients and pipe bursts |
US10150471B2 (en) * | 2016-12-23 | 2018-12-11 | Centurylink Intellectual Property Llc | Smart vehicle apparatus, system, and method |
CN109887282B (zh) * | 2019-03-05 | 2022-01-21 | 中南大学 | 一种基于层级时序图卷积网络的路网交通流预测方法 |
CN111832814B (zh) * | 2020-07-01 | 2023-06-23 | 北京工商大学 | 一种基于图注意力机制的空气污染物浓度预测方法 |
-
2022
- 2022-04-06 CN CN202210352984.4A patent/CN114429315B/zh active Active
- 2022-05-25 US US17/804,092 patent/US11874261B2/en active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104318315A (zh) * | 2014-09-29 | 2015-01-28 | 南通大学 | 一种城市道路交通污染物排放监控预警系统及方法 |
KR20200106266A (ko) * | 2019-03-04 | 2020-09-14 | 현진우 | 인접 사회기반시설을 활용한 스마트 클린 시티용 환경정보 제공시스템 |
CN109932988A (zh) * | 2019-03-27 | 2019-06-25 | 四川瞭望工业自动化控制技术有限公司 | 一种城市扬尘污染扩散预测系统及方法 |
CN112242050A (zh) * | 2019-07-17 | 2021-01-19 | 纳智源科技(唐山)有限责任公司 | 分布式道路扬尘监测系统 |
WO2021118819A1 (en) * | 2019-12-10 | 2021-06-17 | Nuro, Inc. | Sensor cleaning mechanism for an autonomous vehicle |
CN111088768A (zh) * | 2019-12-31 | 2020-05-01 | 柏美迪康环境科技(上海)股份有限公司 | 一种厂界道路抑尘系统及其应用 |
CN112561191A (zh) * | 2020-12-22 | 2021-03-26 | 北京百度网讯科技有限公司 | 预测模型的训练、预测方法、装置、设备、程序和介质 |
CN113506049A (zh) * | 2021-09-10 | 2021-10-15 | 南通华豪巨电子科技有限公司 | 基于人工智能的道路洒水车调度方法及系统 |
Non-Patent Citations (3)
Title |
---|
Integrated Pollution Monitoring System for Smart City;Baihaqi Siregar等;《International Conference on ICT For Smart Society (ICISS)》;20161222;第49-52页 * |
基于密集型数据的城区空气污染网络特征分析及预测研究;朱宇楠;《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅰ辑》;20211215(第12期);第B027-702页 * |
智慧城市体系结构;邵泽华;《物联网技术》;20160420;第6卷(第4期);第85-89+92页 * |
Also Published As
Publication number | Publication date |
---|---|
US20230324352A1 (en) | 2023-10-12 |
CN114429315A (zh) | 2022-05-03 |
US11874261B2 (en) | 2024-01-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114429315B (zh) | 一种智慧城市扬尘污染管理方法和物联网系统 | |
Nassir et al. | A utility-based travel impedance measure for public transit network accessibility | |
Voukantsis et al. | Intercomparison of air quality data using principal component analysis, and forecasting of PM10 and PM2. 5 concentrations using artificial neural networks, in Thessaloniki and Helsinki | |
US20170091350A1 (en) | Near real-time modeling of pollution dispersion | |
KR101668753B1 (ko) | 대기 오염 관리 시스템 | |
KR100862689B1 (ko) | 통합환경관리를 위한 위해성 예측 시스템 및 방법, 그리고이 방법을 구현할 수 있는 컴퓨터 판독 가능한 프로그램이기록된 기록매체 | |
Brown et al. | A GIS-based environmental modelling system for transportation planners | |
CN106097755A (zh) | 用于识别泊车场地和/或空出场地的方法 | |
CN116187095B (zh) | 一种道路交通扬尘环境影响评价方法及装置 | |
Nejadkoorki et al. | The design of long-term air quality monitoring networks in urban areas using a spatiotemporal approach | |
CN112991132B (zh) | Pm2.5和臭氧协同管控区域识别方法及装置 | |
CN117708617B (zh) | 基于多源大数据及污染特征时空匹配的大气污染溯源方法 | |
Mueller et al. | Fugitive particulate emission factors for dry fly ash disposal | |
Ghassoun et al. | Land use regression models for total particle number concentrations using 2D, 3D and semantic parameters | |
Khalilikhah et al. | Analysis of factors temporarily impacting traffic sign readability | |
CN108426818A (zh) | 一种大气污染物浓度观测系统 | |
Conley et al. | Using a deep learning model to quantify trash accumulation for cleaner urban stormwater | |
CN114842349B (zh) | 一种基于信息技术的建筑施工环境保护方法和系统 | |
CN115796423A (zh) | 一种基于物联网监测缓解城市扬尘的方法及系统 | |
CN117494011B (zh) | 一种基于运渣车土石方运输特征的扬尘点位类型判别方法 | |
CN109613179B (zh) | 累积高值区的确定方法 | |
Hung | Urban air quality modelling and management in Hanoi, Vietnam | |
Alba | Intelligent systems for smart cities | |
Lambey et al. | Measurement of PM10, PM2. 5, NO2, and SO2 Using Sensors | |
Binsy et al. | Self configurable air pollution monitoring system using IoT and data mining techniques |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |